
本文解析 Python 中嵌套生成器表达式的执行逻辑,重点说明变量 n 的延迟求值特性,揭示为何最终输出为 [20, 21, 22, 23]。
本文解析 python 中嵌套生成器表达式的执行逻辑,重点说明变量 `n` 的延迟求值特性,揭示为何最终输出为 `[20, 21, 22, 23]`。
Python 生成器(generator)及其表达式(generator expression)的核心特性之一是惰性求值(lazy evaluation):除迭代器对象的创建外,内部表达式不会立即执行,而是在每次调用 next()(如 for 循环或 list() 内部遍历时)才逐个计算。
我们来逐步拆解这段代码:
def add(n, i):
return n + i
def test():
for i in range(4):
yield i # 生成器:依次产出 0, 1, 2, 3
g = test() # g 是第一个生成器对象,尚未执行任何 yield
此时 g 是一个可迭代的生成器,但尚未开始运行 —— range(4) 中的循环体还未执行。
接着关键部分:
for n in [1, 10]:
g = (add(n, i) for i in g)
注意:这是一个赋值语句,每次循环都用一个新的生成器表达式覆盖 g。但请牢记:
-
(add(n, i) for i in g)本身不执行add()调用; - 它仅“记住”了:将来迭代时,将对
g的每个元素i计算add(n, i); - 而其中的
n不是当前循环轮次的值快照,而是对变量n的引用(closure reference) —— 即:n的实际值将在真正迭代时才被读取。
因此,两次循环后:
- 第一次(
n = 1):g变为生成器 G₁,定义为 “对原始test()的每个i,计算add(1, i)”; - 第二次(
n = 10):g被重新赋值为生成器 G₂,定义为 “对 G₁ 的每个产出值i,计算add(10, i)”。
⚠️ 重点:G₂ 中的 n 绑定的是外层作用域中最后赋值的 n(即 10),而非创建 G₂ 时 n 的瞬时值。这是 Python 闭包中自由变量的典型行为 —— 延迟绑定(late binding)。
最后执行:
print(list(g)) # 触发 G₂ 的完整迭代 → 进而触发 G₁ 迭代 → 最终触发 test()
执行链如下(从内到外):
| 层级 | 输入序列 | 输出计算 | 结果序列 |
|---|---|---|---|
底层 test()
|
— | yield 0,1,2,3 |
[0,1,2,3] |
G₁(n=1) |
[0,1,2,3] |
add(1, i) → 1+0, 1+1, ...
|
[1,2,3,4] |
G₂(n=10) |
[1,2,3,4] |
add(10, i) → 10+1, 10+2, ...
|
[11,12,13,14] |
等等 —— 但实际输出是 [20,21,22,23]?为什么?
因为G₁ 中的 n 同样是延迟绑定的!当 G₂ 迭代时,它驱动 G₁ 迭代;而 G₁ 在真正计算 add(n,i) 时,n 已经是 10(外层循环已结束,n 最终值为 10)。所以:
- G₁ 实际执行的是
add(10, i),产出[10,11,12,13] - G₂ 对其再执行
add(10, i),产出[20,21,22,23]
✅ 验证方式:将 n 改为局部快照即可修复延迟绑定:
for n in [1, 10]:
g = (add(n_val, i) for i in g for n_val in [n]) # 强制捕获当前 n
# 或更清晰地用 lambda:
# g = (lambda n_val: (add(n_val, i) for i in g))(n)
总结:
- 生成器表达式中,迭代源(
for i in g)在创建时被求值,但元素计算(add(n,i))延迟到迭代时; - 自由变量(如
n)在最内层生成器被消费时才取值,而非定义时; - 多层嵌套生成器会形成“延迟链”,所有
n共享最终值 —— 这是常见陷阱,需用默认参数、闭包封装或itertools等显式固化上下文。
理解此机制,是掌握 Python 高阶迭代与函数式编程的关键一步。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











